ST-GREED：用于帧率相关视频质量预测的时空广义熵差

我们研究了在帧率多样的视频（包括高帧率，HFR）上进行帧率相关视频质量评估（VQA）的问题。更广泛地，我们探讨了帧率对感知质量的影响，以及帧率与压缩共同作用对主观感知质量的影响机制。为此，我们提出了一种名为时空广义熵差（Space-Time GeneRalized Entropic Difference, GREED）的客观VQA模型。该模型通过分析视频在空间与时间带通子带中的统计特性来评估质量。具体而言，采用广义高斯分布（Generalized Gaussian Distribution, GGD）对带通响应进行建模，并利用在GGD模型下参考视频与失真视频之间的熵差异，捕捉由帧率变化引起的质量波动。熵差在多个时空子带中分别计算，并通过一个可学习的回归器进行融合。大量实验结果表明，在LIVE-YT-HFR数据集上，GREED相较于现有主流VQA模型取得了当前最优的性能表现。此外，GREED所采用的特征具有高度泛化能力，在标准的非高帧率VQA数据集上亦能取得具有竞争力的评估效果。GREED的代码实现已公开发布，可通过以下链接获取：https://github.com/pavancm/GREED